Suche

Wie aus Zufall Sprache wird: Eine Markov-Kette lernt, welche Zeichen aufeinander folgen, und würfelt daraus neuen Text. Zum Ausprobieren im Browser — je mehr Kontext die Kette behält, desto echter klingt es.

Der Entwickler-Podcast „Index out of bounds“ hat ein Jahr lang dokumentiert, wie sich Programmieren mit KI verändert — von der Euphorie über Peter Steinbergers „Agentic Engineering“ bis zur abgeklärten Hype-Skepsis. Der Bogen in einem Stück, …

Zwei c't-Artikel, ein Bild: GitHub-Rekorde und KI-Agenten zeigen, wie tief generative KI das Programmieren durchdrungen hat — der Bau von Desinfec't 2026 zeigt es in der Praxis. Dazu Jobmarkt, spektakuläre Pannen und eine gemeinsame Lehre: …

Anthropics neues Spitzenmodell Fable 5 ist doppelt so teuer wie sein Vorgänger. Die c't findet in Stichproben kaum Mehrwert — ein Coding-Benchmark und drei YouTube-Tests sehen einen Sprung. Wer hat recht? Vermutlich alle. Eine Einordnung …

Platon Infantes kinetische Skulptur „Two Times“ als Three.js-Demo nachgebaut — und warum die Umsetzung mit einem KI-Agenten holprig wird, sobald es visuell statt logisch zugeht.

Interaction Models von Thinking Machines brechen mit der Turn-Logik. Anthropic mietet xAIs Colossus-1-Rechenzentrum komplett. Plus: METR-Benchmark stoesst bei 16 Stunden an seine Grenzen, neuer Refactoring-Benchmark misst innere Code-Qualitaet, OpenAI veroeffentlicht Security-Tools im Wochentakt.

Ein Startup behauptet, mit dem Modell SubQ den Long-Context-Engpass geknackt zu haben: 12 Millionen Token Kontext, 300-fach billiger als Claude, 52-fach schneller. Eine Analyse der Technical Reports und der Community-Reaktionen — ein Hands-on-Test steht noch …

Aus der Frage „Kannst du Game-Engines programmieren?“ wurde an einem Abend ein 3D-Saarbrücken in Three.js: 40.000 Gebäude, Saarbahnen, fahrende LKW. Wie das mit Claude praktisch ablief.

## Definition Ein **Browser-MCP-Server** ist eine Variante eines [[MCP|MCP-Servers]], die Tools bereitstellt, die nur im Browser-Kontext Sinn ergeben — Lese-/Schreib-Zugriff auf den DOM, Local-Storage, Geolocation, Clipboard etc. Der LLM-Host kann damit *die Seite veraendern*, auf …

## Definition [[MCP]] (Model Context Protocol) ist Anthropics offener Standard fuer LLM-Tool-Kopplung. Statt jedes Werkzeug im Modell selbst zu kodieren, beschreibt ein **MCP-Server** seine Faehigkeiten als JSON-Schema; ein **MCP-Client** vermittelt zwischen LLM-Host und Server ueber …

## Definition llama.cpp ist eine C++-Laufzeitumgebung für LLMs (Large Language Models), mit der quantisierte Modelle auf CPUs und einfachen GPUs ohne PyTorch oder CUDA-Overhead ausgeführt werden. Sie ermöglicht es, 7B–70B-Parameter-Modelle (Llama, Mistral, Qwen) auf einem …

## Definition Training ist der Prozess, bei dem ein neuronales Netz durch iterative Anpassung seiner Gewichte auf Basis von Trainingsdaten lernt, Eingabe-Ausgabe-Muster vorherzusagen. Im modernen KI-Kontext (LLMs, Diffusion-Modelle) bedeutet dies: Millarden von Token oder Bildern …

## Definition Inference ist die Durchführung von Vorhersagen mit einem trainierten Modell auf neuen Daten — das typische "Produktions"-Szenario, bei dem ein LLM oder Diffusion-Modell praktisch arbeitet. Im Gegensatz zum Training (wo Gewichte angepasst werden) …

## Überblick KI-Agenten für Spezialaufgaben automatisieren domänenspezifische Arbeitsabläufe durch Multi-Agent-Systeme, Tool-Use und simulierte Schwarmintelligenz. Sie erweitern die Fähigkeiten von LLMs über reine Text-Generierung hinaus. ## Marktforschung & Produkttests **MiroFish** ist ein Open-Source-Tool für KI-gestützte Marktforschung …

## Biomedizin und Pharmazie Maschinenlernmodelle zeigen wachsendes Potenzial in der Entdeckung neuer Therapien und Wirkstoffe. Google demonstriert dies mit KI-gestützter Analyse biologischer Daten zur Identifikation neuartiger Krebstherapien – ein Anwendungsfall, der über traditionelle NLP- und …

## Übersicht Praktische Anwendungen von KI-Systemen und technologische Durchbrüche in Laboren. Diese Seite dokumentiert konkrete Projekte, die zeigen, wie KI über klassische NLP/Vision-Domänen hinaus Wert schaffen und neue Rechenmöglichkeiten eröffnen. ## Biomedizin und Wirkstoffforschung Google …

## Überblick KI-Governance-Systeme beschäftigen sich mit Steuerung, Überwachung und Identifikation von [autonomen KI-Agenten](/wiki/infrastructure/ai-agents/). Das Feld behandelt zwei zentrale Fragen: 1. **Automatisierung im Maßstab**: Wie lassen sich KI-gesteuerte Entwicklungs- und Operationsprozesse skalieren? 2. **Agent-Identität & Verifikation**: …

## Überblick Autonome Code-Generierung beschreibt Systeme, die eigenständig Softwarecode erzeugen, validieren und integrieren – mit minimaler oder ganz ohne menschliche Eingriffe pro Zyklus. Solche Systeme kombinieren typischerweise große Sprachmodelle (LLMs), Code-Ausführungsumgebungen und Feedback-Mechanismen zu agentengestützten …

## Überblick Agent-Modelle sind Sprachmodelle, die speziell für autonome, mehrstufige Aufgaben durch Tool-Use und Selbstüberwachung optimiert sind. Die Frontier-Entwicklung bewegt sich hin zu agentenbasierten Architekturen als Mainstream-Feature, nicht als Spezialisierung. ## Aktuelle Frontier-Modelle ### OpenAI …

Spezialisierte Frontier-Modelle sind hochperformante Sprachmodelle, die auf spezifische Domänen oder Aufgaben optimiert wurden, während sie die technischen Eigenschaften von [Frontier-Modellen](/wiki/frontier-models/) beibehalten. Sie kombinieren State-of-the-Art-Reasoning mit Fachspezialiserung. ## Multimodale Spezialmodelle **NVIDIA Nemotron 3 Nano Omni** (2026) …

## Überblick Bildgenerierung ist ein zentraler Bereich der [Multimodal-KI](/wiki/multimodal/), bei dem Sprachmodelle visuellen Output aus Textbeschreibungen (Prompts) erzeugen. Moderne Modelle kombinieren Text-zu-Bild-Generierung mit fortgeschrittener Bildverarbeitung und multimodalen Fähigkeiten wie Visual Reasoning und Multilingual-Support. ## Aktuelle …

## Überblick Die Ökonomie der KI-Infrastruktur wird zunehmend zum strategischen Wettbewerbsfaktor. Während etablierte Western Labs (Google, Anthropic, Microsoft, Amazon, OpenAI) durch massive Kapitalinvestitionen Skalierungsvorteile aufbauen, verschieben neue Marktteilnehmer wie DeepSeek das Gleichgewicht durch Fokus auf …

## Überblick Dezentralisierte Systeme verlagern Berechnung und Daten-Kontrolle von zentralen Servern zu verteilten Netzwerken. Im Kontext von Empfehlungssystemen bedeutet das: User:innen oder dritte Anbieter können eigene Recommender-Algorithmen betreiben, statt auf zentrale Plattform-Logik angewiesen zu sein. …

## Überblick Multimodale Modelle verarbeiten mehrere Eingabetypen (Text, Bilder, Audio, Video) gleichzeitig und erzeugen Ausgaben basierend auf der kombinierten Analyse. Vision-Modelle spezialisieren sich auf Bild- und Videoanalyse. Diese Klasse ist zentral für praktische Anwendungen wie …

## Überblick Messung spezifischer LLM-Fähigkeiten ist zentral für Evaluation, Optimierung und Deployment. Standardmetriken wie Token-Genauigkeit oder Agreement mit Referenzen erfassen oft nicht die volle Komplexität realer Anforderungen. Moderne Ansätze differenzieren zwischen Token-Quality, Trainingseffektivität, Inferenz-Robustheit und …

## Überblick Die KI-Landschaft wird von widersprechenden Narrativen geprägt: Einerseits werden existenzielle Risiken und Jobverluste diskutiert, andererseits behaupten führende KI-Labore bereits zu wissen, wie AGI skaliert wird. Diese Page fasst aktuelle Narrative, Trends und deren …

## Überblick Enterprise-Adoption von KI und LLMs zeigt sich in zunehmend produktiven Anwendungen. Großunternehmen setzen Frontier-Modelle und [KI-Agenten](/wiki/product/ki-agenten/) systematisch zur Automatisierung von Geschäftsprozessen ein – von Logistik bis zur Softwareentwicklung. Agent-getriebene Workflows werden zum Mainstream-Feature …

## Überblick Bias in KI-Systemen ist ein strukturelles Problem: Modelle reproduzieren Verzerrungen aus ihren Trainingsdaten und verstärken gesellschaftliche Ungleichheiten. Fairness ist nicht eindeutig definierbar und erfordert kontextabhängige Entscheidungen über akzeptable Trade-offs zwischen Genauigkeit, Repräsentation und …

## Überblick Medizinische Bildgebung nutzt [Multimodal](/wiki/multimodal/)-KI-Verfahren zur automatisierten Analyse von Röntgen, CT, MRT, Ultraschall und anderen diagnostischen Bildern. Moderne Ansätze kombinieren Deep Learning mit Domänenwissen (Physics-Informed), um Bildqualität, Diagnosegenauigkeit und Effizienz zu verbessern. Neuerdings erweitern …

## Überblick KI-Benchmarks sind zentral für die Evaluierung und den Vergleich von Language Models. Sie dienen Entwickler:innen zur Modellauswahl, Leistungsmessung und zum Tracking technologischer Fortschritte. Allerdings geraten traditionelle Benchmark-Methoden zunehmend an ihre Grenzen – insbesondere …

## Übersicht Agent-Anwendungen in Produktion beschreiben den Einsatz autonomer [KI-Agenten](/wiki/agents/agent-grundlagen/) in realen Geschäftsprozessen und kritischen Systemen. Der Fokus liegt auf Architektur, Integration, Performance und bewährten Praktiken für skalierbare, zuverlässige Agenten-Systeme. ## Harness Engineering: Beyond Prompt …

Eine kommentierte Aufarbeitung des Vortrags von Edmund Weitz (HAW Hamburg). Symbolisches Differenzieren in 30 Zeilen Lisp - und was Homoikonizität und Makros so besonders machen. Inklusive Lisp-Interpreter zum direkt Ausprobieren im Pyground-Playground.

## Überblick Agent Frameworks sind Plattformen und Libraries zur Entwicklung, Orchestrierung und Deployment von autonomen Agenten. Sie abstrahieren die Komplexität von Multi-Step-Reasoning, Tool-Integration und Workflow-Management und ermöglichen es Entwickler:innen, handlungsfähige KI-Systeme zu bauen, die über …

## Claude ### Capabilities und Architektur Die Claude-Familie wird in offiziellen Dokumentationen detailliert beschrieben. Zentrale technische Aspekte: - **Offensive Capabilities**: Erweiterte Funktionen für Code-Generierung, Reasoning und kontextabhängiges Problemlösen - **Selbstverbesserungsmechanismen**: Iterative Output-Validierung und Optimierung durch …

## Überblick Agent-Systeme sind KI-basierte Systeme, die autonom Entscheidungen treffen, Tools nutzen und längerfristige Aufgaben in komplexen Umgebungen verfolgen. Der Fokus liegt auf Reasoning, Tool-Integration, Memory und Koordination in Multi-Agent-Settings. Aktuelle Forschung zeigt, dass spezialisierte …

## Überblick Agenten-Frameworks sind Plattformen und Toolkits zur Entwicklung, Deployment und Verwaltung autonomer KI-Agenten. Sie integrieren [LLM](/wiki/product/language-models/)-Modelle mit externen Tools, APIs und Workflows, um komplexe Aufgaben zu automatisieren. Der Trend bewegt sich von User-Interface-Automatisierung (RPA) …

## Übersicht Multimodale Modelle (Text + Bilder + Audio + Video) werden zunehmend für Edge-Deployment und On-Device-Szenarien optimiert. Dies ermöglicht datenschutzfreundliche KI-Anwendungen mit niedriger Latenz ohne Cloud-Abhängigkeit. Hauptanwendungsfälle: Robotik, IoT, Offline-Szenarien, Enterprise-Dokumente, Bildverarbeitung auf lokalen …

## Überblick Qwen (Alibaba) und DeepSeek gehören zu den führenden Open-Source-Modell-Anbietern im Frontier-Segment. Beide setzen auf architektonische Innovationen – insbesondere [Mixture of Experts (MoE)](/wiki/open-source/mixture-of-experts/) – um bessere Effizienz und Skalierbarkeit zu erreichen. Die neuesten Generationen …

## Überblick Multimodale Anwendungen kombinieren verschiedene Modalitäten (Text, Bilder, Video, Audio) zur Lösung praktischer Probleme. Zentrale Herausforderung: Demografische und andere Biases in generativen Modellen können sich über Modalitäten hinweg verstärken. Fairness ist kein nachgelagertes Feature, …

## Überblick Edge-Deployment von multimodalen KI-Modellen ermöglicht es, [Vision-Language-Modelle](/wiki/multimodal/vision-language-models/) (VLM) und Vision Language Agents (VLA) direkt auf ressourcenbegrenzten Geräten auszuführen – statt Anfragen zur Cloud zu senden. Das reduziert Latenz, verbessert Privatsphäre und ermöglicht Offline-Betrieb. …

## Übersicht Training und Feintuning von Vision-Language-Modellen (VLMs) umfasst Techniken zur Optimierung von Modellen, die Text und visuelle Inhalte gemeinsam verarbeiten. Dies ist zentral für Anwendungen wie [Retrieval-Augmented Generation](/wiki/retrieval/rag/), Bildsuche, visuelle Agenten und spezialisierte Domänen-Applikationen. …

## Überblick KI-Agenten im Enterprise-Kontext markieren eine neue Phase der KI-Anwendung: autonome oder semi-autonome Systeme, die komplexe Aufgaben in produktiven Umgebungen ausführen. Der Markt wird von OpenAI, Anthropic, Google und Meta dominiert, die jeweils unterschiedliche …

## Übersicht Claude ist die Modell-Familie von [Anthropic](/wiki/labs/anthropic/). Die Seite dokumentiert aktuelle Entwicklungen, Modellversionen, Sicherheitsaspekte und Tooling rund um Claude. ## Modellversionen ### Claude Opus - **Opus 4.6**: Baseline-Version mit dokumentierten System-Prompts - **Opus 4.7** …

## Überblick Agent-Orchestrierung beschreibt die Koordination und Steuerung mehrerer KI-Agenten oder einzelner Agenten mit komplexen Task-Workflows. Sie umfasst die Verwaltung von Prompts, Tool-Integration, Workflow-Logic und Evaluierungskriterien – typischerweise für [Foundation Models](/wiki/model/foundation-models/). ## Automatische Optimierung Manuelle …

## Überblick Edge Deployment bezeichnet die Ausführung von KI-Modellen direkt auf Grenzgeräten (edge devices) – Robotern, IoT-Hardware, eingebetteten Systemen – statt auf zentralen Servern. Ziele sind Latenzreduktion, Datenschutz durch lokale Verarbeitung, Offline-Betrieb und reduzierte Netzwerkabhängigkeit. …

## Überblick Training-Parallelismus umfasst Techniken und Infrastruktur zur effizienten Skalierung von LLM-Training auf große Cluster. Zentrale Herausforderungen: Speicher, Durchsatz, Netzwerk-Bandbreite und Long-Context-Skalierung. ## Parallelisierungstechniken ### Ulysses Sequence Parallelism Trainingstechnik für LLMs mit sehr großen Kontextfenstern …

## Übersicht Inference-Optimierung ist zentral für produktive KI-Systeme: Reduzierte Latenz und geringere Compute-Kosten ermöglichen skalierbare Deployments autonomer Agenten und [LLM](/wiki/infrastructure/language-models/)-Services. Die aktuellen Forschungen (April 2026) konzentrieren sich auf intelligente Dosierung von Modellressourcen, Caching-Strategien und architektonische …

## Überblick Gemma ist Googles Familie von leichtgewichtigen, Open-Source-Sprachmodellen. Sie fokussieren auf praktische Deployment-Szenarien mit reduzierten Rechenressourcen – ideal für lokale, datenschutzfreundliche Anwendungen. Der Open-Source-Ansatz mit echter Lizenzfreiheit ermöglicht Entwickler:innen, Modelle anzupassen und zu verfeinern, …

## Überblick Open-Source Frontier-Modelle sind state-of-the-art Large Language Models mit öffentlich verfügbarem Code und/oder Gewichten. Sie ermöglichen lokale Deployments, Fine-Tuning und volle Kontrolle – ohne proprietäre Beschränkungen. Der Markt entwickelt sich rasant: Modelle wie DeepSeek …

## Überblick Anthropic ist einer der führenden [Frontier-Model](/wiki/frontier-models/overview/)-Anbieter mit Fokus auf Sicherheit und Skalierung. Das Flaggschiff Claude wird kontinuierlich erweitert und konkurriert direkt mit [OpenAI's ChatGPT und GPT-Modellen](/wiki/frontier-models/openai-gpt/). Durch massive Kapitalzuführungen (Google 40 Mrd. Dollar, …